共查询到20条相似文献，搜索用时 31 毫秒
1.
基于深度卷积神经网络的柑橘目标识别方法 总被引：7，自引：0，他引：7
针对户外自然环境,基于深度卷积神经网络设计了对光照变化、亮度不匀、前背景相似、果实及枝叶相互遮挡、阴影覆盖等自然环境下典型干扰因素具有良好鲁棒性的柑橘视觉识别模型。模型包括可稳定提取自然环境下柑橘目标视觉特征的深层卷积网络结构、可提取高层语义特征来获取柑橘特征图的深层池化结构和基于非极大值抑制方法的柑橘目标位置预测结构,并基于迁移学习完成了柑橘目标识别模型训练。本文运用多重分割的方法提高了柑橘目标识别模型的多尺度图像检测能力和实时性,利用包含多种干扰因素的自然环境下柑橘目标数据集测试,结果表明,柑橘识别模型对自然采摘环境下常见干扰因素及其叠加具有良好的鲁棒性和实时性,识别平均准确率均值为86. 6%,平均损失为7. 7,平均单帧图像检测时间为80 ms。 相似文献
2.
【目的】传统的水果检测识别技术具有一定的环境适应缺陷性和主观性,通常是对水果的纹理、颜色、形状等外表特征进行提取和识别,为实现对柑橘果实产量的精准预测,需研究温室环境下对柑橘果实的快速识别及计数。【方法】项目组选取从柑橘种植园中多场景拍摄的5 926张图片作为训练集、738张图片作为验证集、608张图片作为测试集,采用DeepSort算法结合改进YOLOv5算法的方式,通过在主干部分加入SE注意力机制以实现对算法的改进,从而提高对柑橘果实的识别效果;在柑橘果实计数部分,主要采用DeepSort算法给予每个柑橘果实单独的ID编号以实现对柑橘果实的计数。【结果】改进后的YOLOv5算法对柑橘果实的平均识别准确率为93.712%,相比改进前的CenterNet算法、EfficientDet算法、SSD算法、YOLOv4算法、YOLOX算法,平均识别准确率提升了1.354个百分点,并且精确度和召回率也有一定的提升,结合DeepSort算法后对柑橘果实的平均多目标跟踪准确率为88.465%,可较准确地实现对柑橘果实的计数。【结论】DeepSort算法具有提升目标被环境等其他因素遮挡情况下的计数效... 相似文献
3.
夜间自然环境下荔枝采摘机器人识别技术 总被引：5，自引：0，他引：5
利用机器视觉实现自然环境下成熟荔枝的识别,对农业采摘机器人的研究与发展具有重要意义。本文首先设计了夜间图像采集的视觉系统,然后选取了白天和夜间两种自然环境下采集荔枝图像,分析了同一串荔枝在白天自然光照与夜间LED光照下的颜色数据,确定了YIQ颜色模型进行夜间荔枝果实识别的可行性。首先选择夜间荔枝图像的I分量图,利用Otsu算法分割图像去除背景,然后使用模糊C均值聚类算法分割果实和果梗图像,得到荔枝果实图像;再利用Hough圆拟合方法检测出图像中的各个荔枝果实。荔枝识别试验结果表明:夜间荔枝图像识别的正确率为95.3%,识别算法运行的平均时间为0.46 s。研究表明,该算法对夜间荔枝的识别有较好的准确性和实时性,为荔枝采摘机器人的视觉定位方法提供了技术支持。 相似文献
4.
基于随机森林算法的自然光照条件下绿色苹果识别 总被引：6，自引：0，他引：6
果实识别是自动化采摘系统中的重要环节，能否快速、准确地识别出果实直接影响采摘机器人的实时性和可靠性。为了实现自然光照条件下绿色苹果的识别，本文采集了果实生长期苹果树图像，并利用随机森林算法实现了绿色苹果果实的分类和识别。针对果树背景颜色和纹理特征的复杂性，尤其是绿色果实和叶片在很多特征上的相似性，论文基于RGB颜色空间进行了Otsu阈值分割和滤波处理，去除枝干等背景，得到仅剩果实和叶片的图像。然后，分别提取叶片和苹果的灰度及纹理特征构成训练集合，建立了绿色苹果随机森林识别模型，并使用像素模板验证数据集，对模型进行预测试验，正确率为90%。最后，选择10幅自然光照条件下不同的果树图像作为检测对象，使用该模型进行果实识别并使用霍夫变换绘制果实轮廓，平均识别正确率为88%。结果表明，该方法具有较高的鲁棒性、稳定性、准确性，能够用于自然光照条件下绿色果实的快速识别。 相似文献
5.
6.
扰动柑橘采摘的实时识别与采摘点确定技术 总被引：9，自引：0，他引：9
对成熟柑橘果实在扰动状态下的视觉识别定位技术进行研究。利用ANSYS进行了扰动柑橘的动力学分析,结合图像处理分析结果,确定了微扰动柑橘的运动规律为类单摆运动;对采集的微扰动柑橘视频进行图像处理,设定规则选取视频中的图像,利用改进的K-means聚类分割法结合优化Hough圆拟合方法实现柑橘果实的分割;根据图像分割结果,对柑橘的二值图像进行Hough直线拟合,结合直线斜率在-0.45~0.45的约束条件,确定扰动柑橘的有效采摘点。试验结果表明该方法能有效地识别自然环境中的微扰动柑橘,确定扰动果实采摘点的准确率达85%,采摘点确定的处理时间在7.58~9.24 s范围内。 相似文献
7.
巡检机器人获取柑橘树上果实完整表面信息方法研究 总被引：1，自引：0，他引：1
为监控柑橘的生长情况，提出了一种通过巡检机器人获取单个柑橘果实完整表面信息的方法。使用LabelMe为标记工具，采用类圆形和类长方形分别对柑橘果实和分段枝干进行标记，再使用Mask R-CNN模型对其进行训练与识别，可从Kinect V2相机拍摄的含有深度信息的图像中提取出柑橘果实及分段枝干的三维信息。根据柑橘果实生长情况及发生病虫害情况，〖JP2〗对柑橘果实表面进行区域化划分，并采取积分制描述其表面信息获取率。通过机械臂末端连接的CCD相机对柑橘果实进行表面信息获取，提出了获取柑橘完整表面信息的3种机械臂拍摄方案。搭建了巡检机器人实验平台，在机器人操作系统(Robot operating system，ROS)下进行了仿真，提出实验室环境下柑橘表面信息的获取流程，并在实验室环境下对巡检机器人获取柑橘完整表面信息进行了实验验证。实验结果表明，柑橘果实的横纵径比越接近1，拍摄所获取的柑橘外表面信息越完整，当采用3个拍摄位姿的拍摄方案时，在保证获取柑橘表面完整率的同时可以获得较高的避障成功率和工作效率，柑橘表面信息获取率可达94.21%，〖JP3〗机械臂平均运动时间为86.57s。本研究为农业巡检机器人获取柑橘表面情况、监控柑橘生长及病虫害信息提供了方法。 相似文献
8.
9.
针对柑橘果、叶、枝对象具有球体、片体和细柱体不同的三维几何特征,提出一种识别柑橘果实的深度球截线方法。首先提出了球形果实特征提取的深度球截线方法的基本原理和关键参数,进而分别针对枝上果、叶孤立和贴碰区域提出了孤立果实的特征提取算法和贴碰果实的特征提取算法,得到了复杂枝环境下的深度数据处理与果实识别策略,并综合根据Intel Real Sense F200型深度传感器参数、柑橘果实尺寸、近景探测范围、数据预处理与特征提取需要完成了深度球截线方法的参数确定。大量室内试验结果表明,深度球截线方法对孤立果实提取的平均成功率为97.8%,贴碰区域内果实提取的平均成功率为76%,而复杂枝环境的果实提取综合成功率为63.8%。该深度球截线的识别方法仅利用有限的深度数据点,在保证原始数据精度的同时降低了运算量和果实特征提取复杂性,能有效应对果叶遮挡问题,实现对贴碰果叶的有效区分,对柑橘果实具有良好的适应性,为采摘机器人在复杂环境下的果实识别与定位提供了新的技术思路。 相似文献
10.
11.
为提高采摘设备的执行效率，采用六自由度机械臂、树莓派、Android手机端和服务器设计了一种智能果实采摘系统，该系统可自动识别不同种类的水果，并实现自动采摘，可通过手机端远程控制采摘设备的起始和停止，并远程查看实时采摘视频。提出通过降低自由度和使用二维坐标系来实现三维坐标系中机械臂逆运动学的求解过程，从而避免了大量的矩阵运算，使机械臂逆运动学求解过程更加简捷。利用Matlab中的Robotic Toolbox进行机械臂三维建模仿真，验证了降维求解的可行性。在果实采摘流程中，为了使机械臂运动轨迹更加稳定与协调，采用五项式插值法对机械臂进行运动轨迹规划控制。基于Darknet深度学习框架的YOLO v4目标检测识别算法进行果实目标检测和像素定位，在Ubuntu 19.10操作系统中使用2000幅图像作为训练集，分别对不同种类的果实进行识别模型训练，在GPU环境下进行测试，结果表明，每种果实识别的准确率均在94%以上，单次果实采摘的时间约为17s。经过实际测试，该系统具有良好的稳定性、实时性以及对果实采摘的准确性。 相似文献
12.
简述了柑橘收获机器人系统组成和技术研究进展,分析了机器人各组成部分的功能、工作原理以及存在的技术问题,并提出了相应的解决办法.为了促使柑橘收获机器人技术的进一步发展,今后的工作主要集中在机械本体的优化设计、果实的智能化识别和定位以及不确定场景下的避障路径规划.在提高工作效率和采摘质量的同时,应考虑尽量降低柑橘收获机器人的制造成本,提高其通用性,以期实现柑橘收获的商业化. 相似文献
13.
为了提高采摘机器人果实识别定位的效率和准确性，将深度图像技术引入到了采摘机器人视觉系统的设计上，并结合计算机网络协同处理，设计了上位PC机处理和控制系统，通过计算机和机器人控制器的通信，形成了一个开放式和分布式的采摘机器人识别和控制系统。以苹果的采摘为研究对象，对深度图像和非深度图像对果实识别的准确率进行了对比，结果表明：采用深度图编码技术，对果实的识别准确率更高，对于提升果实的采摘效率和准确性具有重要的作用。 相似文献
14.
15.
16.
为研究自然环境下柑橘的图像识别技术,实现柑橘的早期产量预测,提出一种改进的D-YOLOV3算法,实现自然环境下未成熟的绿色柑橘的识别与检测。研究构建绿色柑橘图像数据集,并对采集的图像进行预处理;改进算法采用DenseNet的密集连接机制替换YOLOV3网络中的特征提取网络Darknet53中的后三个下采样层,加强特征的传播,实现特征的复用。通过自制的数据集对D-YOLOV3算法进行测试,并分别对改进前后网络的识别性能、不同预处理方法和不同数据量图像对模型的影响进行试验。试验结果表明,改进的D-YOLOV3算法相对于传统YOLOV3算法精确率提高6.57%,召回率提高2.75%,F1分数提高4.41%,交并比提高6.13%,平均单张检测时间为0.28 s。通过不同果实数量图像对比试验验证了算法的可行性和准确性。研究结果表明,本文提出的D-YOLOV3算法对自然环境下未成熟的绿色柑橘识别具有较高的精准度,为柑橘的早期测产提供了技术支持。 相似文献
17.
基于改进Hu矩和遗传神经网络的稻飞虱识别系统 总被引：3，自引：0，他引：3
针对稻飞虱识别实时性差和BP神经网络分类有一定误差的问题,设计了1种基于DSP硬件平台和遗传神经网络算法的稻飞虱识别系统.系统硬件以AT89S52单片机控制拍摄移动装置,以DM6437处理器作为算法处理平台;系统软件设计主要包括基于改进Hu矩的特征值提取和基于遗传算法优化神经网络的识别算法.系统通过CCD摄像机拍摄稻飞虱视频信号传送到DSP识别系统,从中提取图像,识别图像中的稻飞虱.实验对稻飞虱、水蝇和潜蝇等80个样本进行了训练和测试,结果表明遗传神经网络对稻飞虱的正确识别率达到90％. 相似文献
18.
针对采摘机器人对目标水果分级难度高、误差大等问题,提出了一种基于DSP和帧内编码的采摘机器人数字视频监控系统,对水果等进行识别和分级。系统可根据水果瑕疵面积和RGB三色直方图,对果实成熟度进行判断。试验结果表明:采摘机器人识别和判定结果与市场分级结果一致,系统检测精度高,性能可靠,可以满足水果识别分级的设计需求。 相似文献
19.
为了提高移动式采摘机器人目标识别系统的作业效率和可靠性,结合嵌入式图像处理技术,提出了一种以DSP为控制核心的嵌入式图像识别系统。利用DSP处理器可以将采集的图像信号进行数字化转换,并通过图像处理将提取的特征图像直接传送到PC机,用于信息的反馈;PC机通过数据处理将控制指令直接发送给DSP,控制机器人终端的动作。为了验证系统的可行性,对目标识别视觉系统进行了测试,结果表明:采用DSP的移动式采摘机器人视觉系统可完成图像特征的提取,且目标识别的准确性较高,处理时间较短,可以满足高精度快速采摘作业的需求。 相似文献
20.
面向复杂背景环境目标的快速识别研究 总被引：1，自引：0，他引：1
面向复杂背景环境的定位目标的快速识别是野外作业机器人的关键技术,以柑橘为例,研究了自然环境下基于彩色信息的目标定位的识别方法。首先,采用YCbCr颜色模型来分析柑橘彩色图像的颜色和灰度特征,并通过Otsu与FCM分割算法相结合对在不同光照条件下拍摄的彩色目标图像进行分割;然后,利用形态学数学和区域标记消除分割后产生的随机噪声;最后,用凸包算法提取果实形状特征,并通过凸包算法来判定是否为柑橘和是否可采。对500张彩色柑橘图像进行分割,结果表明采用Cr颜色分量和Otsu与FCM算法相结合有效地解决复杂自然光照下的分割问题;对963个柑橘进行了凸包算法识别试验,总体识别率达87.53%。凸包算法对遮挡图像也可进行高效识别,并能快速、准确地提取柑橘目标的质心坐标。 相似文献